Chuyên đề thực tập: Phân tích chiến dịch quảng cáo Facebook và dự báo tổng số chuyển đổi sự dụng thuật toán random forest

Dat van đề Facebook - ứng dụng truyền thông xã hội trực tuyến - là một trong số các nên tảng lớn nhất cho phép các tổ chức, doanh nghiệp, công ty thực hiện các hoạtđộng quảng cáo, quảng

Tổng số chuyển đỗi trong quảng cáo Facebook

Chuyền đổi chính là một trong số những mục tiêu hàng đầu của chiến dịch quảng cáo Facebook, nó tương ứng với tầng trải nghiệm cuối cùng của khách hàng sau quá trình nhận biết và cân nhắc Có nghĩa là, khách hàng sau lần đầu biết đến về thương hiệu, sản phẩm và dịch vụ của doanh nghiệp thì đã bắt đầu quan tâm đến sản phẩm nhưng vẫn chưa đưa ra quyết định mua hàng thì lúc này, mục tiêu chuyên đổi chính là lúc doanh nghiệp khiến cho khách hàng tin tưởng và yêu thích sản phâm của mình nên họ đã đi đến quyết định tin dùng sản phẩm thương hiệu của doanh nghiệp.

Tổng số chuyền đổi được dé cập trong chuyên đề được định nghĩa như sau: Đối với mỗi quảng cáo doanh nghiệp đã thực hiện, số người yêu cầu doanh nghiệp cung cấp thông tin về sản phẩm khi đã tiếp cận với bài quảng cáo bằng các hình thức bình luận dưới bài đăng hoặc nhắn tin về trang chủ thì được coi là số chuyển đổi của mỗi quảng cáo.

Tổng số chuyển đổi là yếu tố đánh giá, đo lường hiệu qua của mỗi quảng cáo thực hiện.

1.1.4 Tim quan trọng của phân tích chiến dịch quảng cáo Facebook trong

Doanh nghiệp sau khi thực hiện hoạt động chạy các chiến dịch quảng cáo trên Facebook đều phải thực hiện bước phân tích các quảng cáo này Quảng cáo Facebook có thé chưa nhắm đúng đối tượng, trình bày chưa hap dẫn khiến chi phí cho quảng cáo Facebook cao mà lượt tương tác, tiếp cận lại thấp Phân tích, đánh giá hiệu quả quảng cáo Facebook giúp doanh nghiệp có thê đưa ra những thay đôi,

Chuyên dé thực tập chuyên ngành Toán Tài Chính chỉnh sửa phù hợp, ngừng chạy những quảng cáo Facebook không hiệu quả Từ đó điều chỉnh lại quảng cáo đề đạt được hiệu quả tối ưu nhất.

Phân tích chiến dịch quảng cáo là phân tích các yếu tố đóng góp trong từng quảng cáo của chiến dich, bao gồm: độ tuổi, giới tính, mã sở thích của khách hàng mục tiêu, lượt hiển thị quảng cáo, chi phí công ty trả cho Facebook dé hiền thị từng quảng cáo, số lượt khách hàng yêu cầu thông tin về sản phâm và lượt đặt hàng. Đồng thời, xem xét mối tương quan giữa các yếu tố dé từ đó rút ra những yếu tô quyết định nên hiệu quả của các quảng cáo.

Hiệu quả của quảng cáo được thé hiện qua các tiêu chí như:

- CTR: ty lệ nhấp vào quảng cáo - CPM: chi phí phải trả cho mỗi 1000 lượt hién thị quảng cáo - CPC: chi phí phải trả cho mỗi lượt nhấp vào quảng cáo

- Impression: số lượt hiền thị của quảng cáo

- CPA: với mỗi hành động ngẫu nhiên được thực hiện trên bài quảng cáo, doanh nghiệp đều phải trả một khoản phí cho hành động đó. Định nghĩa chỉ tiết cho từng tiêu chi và cách tính được trình bày cụ thé trong mục 2.2.2 Phương pháp phân tích kết quả quảng cáo Facebook hiện nay.

1.2 Gidi thiệu về thuật toán Random Forest

1.2.1 Định nghĩa thuật toán Random Forest

Như tên gọi của nó, Random Forest - rừng ngẫu nhiên: đây là phương pháp tạo dựng một tập hợp có nhiều cây quyết định, sau đó dùng phương pháp bỏ phiếu trong bài toán phân loại dé đưa ra quyết định về biến target cần được dự báo, còn đối với rừng ngẫu nhiên hồi quy thì lấy trung bình Random Forest được coi là một trong những thuật toán Machine Learning dễ sử dụng và linh hoạt nhất Một khu rừng bao gồm cây cối, người ta nói rằng càng có nhiều cây thì rừng càng mạnh.

Random Forest tạo ra cây quyết định trên các mau dir liệu được chon ngẫu nhiên, được dự đoán từ mỗi cây và chọn giải pháp tốt nhất bằng cách bỏ phiếu Nó cũng cung cấp một chỉ báo khá tốt về tầm quan trọng của tính năng Random Forest có nhiều ứng dụng, chăng hạn như công cụ đề xuất, phân loại hình ảnh và lựa chọn tính năng Nó có thê được sử dụng đề phân loại các ứng viên cho vay trung thành,

Chuyên dé thực tập chuyên ngành Toán Tài Chính xác định hoạt động gian lận và dự đoán các bệnh Random Forest năm ở cơ sở của thuật toán Boruta, chọn các đặc tính quan trong trong tập dữ liệu.

Về mặt toán học, thuật toán có thé được giải thích như sau: Random Forest là một tập hợp của hàng trăm cây quyết định, trong đó từng cây lại được tạo nên ngẫu nhiên bằng việc tái chọn mẫu (chon random 1 phần của data dé xay dung) va random các biến từ toàn bộ các biến trong dữ liệu, bằng cách sử dụng chỉ báo chọn thuộc tính như tăng thông tin, tỷ lệ tăng và chỉ số Gini cho từng thuộc tính Mỗi cây phụ thuộc vào một mẫu ngẫu nhiên độc lập Trong bài toán phân loại, mỗi phiếu bau chon và lớp phổ biến nhất được chon là kết quả cuối cùng Trong trường hợp hoi quy, mức trung bình của tất cả các kết quả đầu ra của cây được coi là kết quả cuối cùng Nó đơn giản và mạnh mẽ hơn so với các thuật toán phân loại phi tuyến tính khác Với một cơ chế như vậy, Random Forest cho ta một kết quả chính xác rất cao nhưng đánh đổi băng việc ta không thể hiểu cơ chế hoạt động của thuật toán này do cấu trúc quá phức tạp của mô hình này - do vậy thuật toán này là một trong những phương thức Black Box - tức ta sẽ cho tay vào trong hộp và rút ra được kết quả chứ không thể giải thích được cơ chế hoạt động của mô hình.

1.2.2 Thuật toán Random Forest hoạt động như thế nào?

Thuật toán hoạt động theo 4 bước:

Bước 1: Từ tập dữ liệu đã cho, chọn các mẫu một cách ngẫu nhiên

Bước 2: Tạo cây quyết định cho từng mẫu và nhận kết quả dự báo từ mỗi cây quyết định

Bước 3: Bỏ phiếu cho mỗi kết quả dự báo Bước 4: Kết quả được dự báo nhiều nhất là được chọn là dự báo cuối cùng

Training Training Sample Sample eee D

NV Đặc diém của Random Forest ° Uu điểm:

Random forest được coi là một phương pháp mạnh mẽ và chính xác bởi mô hình có sự tham gia của nhiều cây quyết định, không bị van dé overfitting Thuật toán thường được dùng cho cả hai bài toán phân loại và hồi quy Random Forest còn có khả năng xử lý các giá trị còn thiếu Hai cách phô biến có thé xử lý van đề này là: dùng các giá trị trung bình dé thay thé các biến liên tục và tính toán mức trung bình gần kề các giá trị bị thiếu Ta có thể nhận thấy tầm quan trọng của tính năng tương đối, giúp chọn các tính năng đóng góp nhiều nhất cho việc phân loại. ° Hạn chế:

Thời gian huấn luyện của mô hình có thé kéo dai tùy vào số cây cây quyết định và số thuộc tính phân chia Mô hình khó hiểu hơn so với cây quyết định, nơi bạn có thé dé dàng đưa ra quyết định bang cách đi theo đường dẫn trong cây. Đối với bài toán phân lớp, ditu liệu huấn luyện cần được đa dang hóa và cân bằng về số nhãn lớp Việc không cân bằng nhãn lớp khiến kết quả dự đoán của thuật toán có thể lệch về số đông nhãn lớp.

Chuyên dé thực tập chuyên ngành Toán Tài Chính ° Out of bag:

Random Forest sử dung Bootstrap dé tao tập mẫu cho các cây Khi tập mẫu được rút ra từ một tập huấn luyện của một cây với sự thay thế thì theo ước tính có khoảng 1/3 các phần tử không có nằm trong mẫu này Điều này có nghĩa là chỉ có khoảng 2/3 các phần tử trong tập huấn luyện tham gia vào trong các tính toán, và

1⁄3 các phần tử này được gọi là dữ liệu out-of-bag Dữ liệu out-of-bag được sử dụng dé ước lượng lỗi tạo ra từ việc kết hợp các kết quả từ các cây tổng hợp trong Random Forest cũng như dùng dé ước tính độ quan trọng thuộc tinh Hơn nữa có thé sử dụng chính tập huấn luyện dé kiểm thử mô hình từ thuật toán trước khi đưa vào ứng dụng.

1.2.3 Thuật toán Random Forest cho phân lớp và hồi quy ° Huan luyện Cho tập huấn luyện S Đối với mỗi cây trong rừng có N cây:

- Xây dựng Cây phân lớp Tx với tap Sx, Sk được lấy Bootstrap từ S.

- Tại mỗi nút của cây, chọn thuộc tính tốt nhất dé phân chia cây từ tập thuộc tính

F, được chọn ngẫu nhiên trong tập thuộc tính F.

- Mỗi cây được xây dựng đến độ sâu tối đa (không cắt nhánh). ° Dự báo: Thuật toán dự báo nhãn lớp cho một đối tượng theo:

Phân lớp: Sử dụng kết quả số đông của các cây Hồi quy: lấy giá trị trung bình kết quả tất cả các cây ° Bootstrap trong Random Forest

THỰC TRẠNG ỨNG DỤNG QUẢNG CÁO FACEBOOK VÀ DỰ BÁO TRONG KINH DOANH

2.1 Tổng quan về thực trạng ứng dụng quảng cáo Facebook trong kinh doanh hiện nay

Một số thống kê của Facebook về quảng cáo thời gian gần đây như sau: ° Doanh thu Facebook thu được từ quảng cáo trong quý 4 năm 2020 là 21,22 tỷ đô la. ° Khảo sát cho thay có 26% người dùng Facebook sau khi truy cập vào quảng cáo đã thực hiện việc mua hàng. ° Mỗi tháng, khả năng số lần nhấp vào quảng cáo của một người dùng là 11 lần. ° Sự gia tăng và hiệu quả của số lần hiển thị quảng cáo trên Facebook tăng lên khoảng 33% từ năm 2019 đến 2020. ° Mô hình chi phí trung bình cho mỗi lần nhấp ở mức 1,72 đô la cho mỗi quảng cáo, giảm 4% so với quý 4 năm 2019. ° Trên tất cả các thiết bi được sử dụng để quảng cáo, di động chiếm

94% Trong quý II năm 2020, Facebook đã nhận được 94% doanh thu quảng cáo từ di động.

Hiện trên toàn thé giới có hơn 80 triệu doanh nghiệp lớn nhỏ đang sử dụng trang Fanpage Facebook Đây là nơi doanh nghiệp có thê chia sẻ tên, địa chỉ liên hệ, đồng thời cũng là nơi thực hiện việc chạy quảng cáo nhằm mô tả, quảng bá về các dịch vụ, sản phẩm doanh nghiệp đang cung cấp Với chức năng gia tăng sự hiện diện trực tuyến của công ty, doanh nghiệp trên mạng xã hội do Facebook cung cấp.

Thông qua ứng dụng này, các doanh nghiệp có thể tiếp cận được với cộng đồng dân cư mạng xã hội lớn nhất thé giới Cũng có khả năng tạo ra đối tượng và kết nối với những người quan tâm tới những gì mình cung cấp bằng các tạo dựng trang Fanpage Facebook cho doanh nghiệp.

Trang doanh nghiệp Facebook còn giúp chúng ta có thé tìm hiểu thêm về doanh nghiệp hoặc liên hệ với doanh nghiệp dễ dàng hơn Đây là nơi kết nối mọi

Chuyên dé thực tập chuyên ngành Toán Tài Chính người với các sản phẩm, dịch vụ, giúp củng cô mối quan hệ giữa khách hang và nhà cung cấp Doanh nghiệp có thé giải đáp các thắc mắc do khách hang gửi tới trang Facebook Điều này tiết kiệm nhiều thời gian và hợp lý hóa việc liên hệ.

Trang doanh nghiệp của Facebook là cơ hội để các công ty quảng bá thương hiệu hoàn toàn miễn phí bên cạnh việc giúp quảng bá truyền miệng một cách tích cực. Ở Mỹ, có tới 86% các nhà tiếp thị đang tận dụng Facebook vào việc quảng cáo Cho dù quy mô kinh doanh lớn hay nhỏ, Facebook luôn là nơi lý tưởng dé bắt đầu các chiến dịch tiếp thị truyền thông xã hội Hau hết tat cả các bài quảng cáo dé hoạt động tốt khi được chia sẻ lên Facebook.

Thông qua nền tang này, ngoài việc tiếp cận đối tượng mục tiêu, các nhà tiếp thị còn có thê sử dụng Facebook như một phương tiện truyền thông xã hội để tương tác và tăng cường mối quan hệ với khách hàng Quảng cáo trên Facebook còn cho phép các nhà tiếp thị sử dụng thông tin có sẵn dé điều chỉnh các chiến lược và nhắm mục tiêu đối tượng của họ theo cách hiệu quả hơn về cả thời gian lẫn chi phí. Ở Việt Nam, có tới hơn 69 triệu tài khoản Facebook tính đến cuối tháng 06 năm 2020, chiếm 70,1% toàn bộ dân số Như vậy, so với năm 2019 là 45,3 triệu người thì đến năm 2020, số người dùng Facebook tại nước ta đã tăng 24 triệu người tương đương tăng 53,3% Chỉ tính các tài khoản có độ tuổi từ 13 trở lên, hiện tại Facebook đã hiển thị các quảng cáo đến 79% số tài khoản Facebook tại Việt Nam Đồng nghĩa với 48 triệu tài khoản đã tiếp cận với các mẫu quảng cáo.

(Theo thống kê của website quangcaotructuyen24h).

Facebook chiếm ưu thế tuyệt đối khi nguồn thu nhập từ quảng cáo của nền tảng này tại Việt Nam không ngừng tăng mạnh qua các năm Theo ANTS, các năm

2019, 2020, doanh thu quảng cáo của Facebook tại nước ta đã có sự tăng trưởng mạnh mẽ, lan at các doanh nghiệp/mạng quảng cáo trong nước khi sự tăng trưởng của họ rất it và ngày càng "lép vế" so với "ông lớn" Facebook Năm 2019, doanh thu từ quảng cáo trực tuyến của Việt Nam đạt khoảng 648 triệu USD thì Facebook chiếm tới 275 triệu USD, Google 174,9 triệu USD còn các đơn vị trong nước chiếm chỉ

180,9 triệu USD Đến năm 2020 là 760 triệu USD, nhưng riêng Facebook và Google

Chuyên dé thực tập chuyên ngành Toán Tài Chính sẽ "bỏ túi" hon 512 triệu USD Sự tăng trưởng doanh thu của Facebook tại Việt Nam ở mức "chóng mặt" khi chi mất von vẹn 5 năm dé birt phá lên vị trí hàng đầu ở nước ta.

2.2 Phương pháp phân tích, đánh giá hiệu quả của chiến dịch quảng cáo

Facebook được các doanh nghiệp áp dụng hiện nay

2.2.1 Thông tin kết quả chạy quảng cáo trên Facebook Đối với mỗi quảng cáo Facebook đã thực hiện, bằng cách truy cập vào Trình quảng cáo trên Facebook, ta có thể xem được thông tin chỉ tiết về hiệu quả của quảng cáo Các thông tin bao gồm: ° Số lượt hiển thị của quảng cáo ° Số lượt truy cập vào quảng cáo ° Chi phí cho mỗi quảng cáo

Nhà quảng cáo có thể xem thông tin của tất cả các chiến dịch, nhóm quảng cáo và quảng cáo thuộc phạm vi tài khoản quảng cáo.

Hiệu quả: Hiệu quả của quảng cáo được đo bằng số người nhấp vào quảng cáo, số người tiếp cận được va tông chi phi của quảng cáo Biểu đồ thể hiện mối quan hệ giữa số lượt truy cập quảng cáo, số người tiếp cận được và tổng chi phí của quảng cáo.

(>) Charts for Ad: Jasper's Market - Traffic Ad ©) Performance Demographics Placement

48 48 Results: Link Clicks $2.75 Cost 0.43% Result Rate tnsuEs- Link Clicks

Hình 2.1: Biểu đồ hiệu quả hién thị của quảng cáo

[Nguôn: kết quả quảng cáo thực phẩm chế biến sẵn của Jasper’s Market do trang Facebook for Business tổng hợp, 2020]

Chuyên dé thực tập chuyên ngành Toán Tài Chính

Trong hình 1.2, kết quả tỷ lệ số người nhấp vào quảng cáo là 0,43% Trong vòng 7 ngày (từ 27/1 đến 2/2), quảng cáo này đã tiếp cận với 4.605 người, thu hút được 48 người nhấp vào xem quảng cáo Tổng chi phí cho 48 lượt Click là $131,89, trong đó chi phí phải trả cho mỗi lượt Click là $2,75.

Nhân khẩu học: Biéu đồ Nhân khẩu học biểu diễn hiệu quả hiển thị của quảng cáo đôi với các nhóm tuôi và giới tính khác nhau.

Hình 2.2.: Biểu đồ Nhân khấu học [Nguôn: kết qua quảng cáo thực phẩm chế biến săn của Jasper’s Market do trang Facebook for Business tổng hợp, 2020]

Trong hình 2.2, vẫn với lượt tiếp cận và kết qua Click như Biéu đồ hiệu quả ở hình 2.1, phân tích giới tính cho thấy, quảng cáo đã tiếp cận với nam giới nhiều hơn nữ giới (chiếm 64% với 2.934 lượt) và vì thế, lượt nhấp vào quảng cáo ở nam giới cũng cao hơn (chiếm 60% với 29 lượt).

Chi phí cho mỗi kết quả ở nam giới là $2,71 trong khi ở nữ giới là $2,8 Ở đây, doanh nghiệp đã phải chi trả một số tiền cao hơn dé tiếp cận và thu hút tương tác của khách là nữ giới.

Nhìn vào đồ thị, rõ ràng, nhóm tuổi tiềm năng mà doanh nghiệp nên nhắm mục tiêu đến là 25-34.

PHAN TÍCH CHIEN DICH QUANG CÁO FACEBOOK VÀ DU BAO TONG SO CHUYEN DOI AP DUNG THUAT TOAN RANDOM

Dữ liệu được thu thập từ website “Kaggle.com” bao gồm 1143 quan sát.

Trong đó 80% được đưa vào xây dựng mô hình và 20% dữ liệu còn lại được sử dụng để kiểm định mô hình và đưa ra dự báo.

3.3.2 Phương pháp trích xuất và mô tả dữ liệu

Bộ dir liệu này thu thập những thông tin cơ bản của các chiến dịch quảng cáo Facebook được một công ty kinh doanh thời trang online A thực hiện trong chiến dịch Facebook Marketing của mình bằng cách trích xuất kết quả chạy quảng cáo trong Trình quảng cáo Facebook.

Dữ liệu bao gồm các thông tin cơ bản: ID quảng cáo, ID chiến dịch công ty, ID chiến dich Facebook, tuổi, giới tính, sở thích, lượt hiển thị, lượt nhân quảng cáo, chi phí, tông số chuyền đổi, số chuyển đổi được chấp thuận.

Tên biến Ký hiệu Kiểu dữ liệu Định nghĩa

ID quảng cáo ad_1d Số ID cho mỗi quảng cáo

ID chiến dich ; , ID cho chiến dịch quảng cáo xyz_campaign Sô công ty của công ty

ID được liên kết với cách

ID chiên dịch , fb_campalgn | Sô Facebook theo dõi từng

Facebook chiên dịch ơ Độ tuổi khỏch hàng quảng

Tuôi age Ky tu cáo hướng đên ơ Giới tớnh khỏch hàng quảng Giới tính gender Ky tu cáo hướng đên

Mã xác định danh mục sở thích của người được hiên thị (sở thích được đề cập Sở thích Interest Số ` trong hô sơ công khai trên

Facebook cá nhân của mỗi người). so ; , Số lần quảng cáo được hiển

Lượt hiên thị impressions Sô ; ; thi trén bang tin Facebook

Luot nhap quang , oy , clicks Sô Sô lân nhâp vào quảng cáo cáo

Chi phí công ty đã trả cho

Chi phí spent Số Facebook dé hiện thị quảng cáo

Tổng số khách hàng đã yêu

Tổng số chuyên cầu thông tin sản phẩm sau

; Ễ y Total_conversj Số | Ễ P doi khi nhân vào xem quảng cáo

Tổng số khách hàng đã mua

Số chuyên đôi , sản phẩm sau khi yêu cầu

Approved_conve Sô được chấp thuận cung cap thông tin về sản phẩm

Bảng 3.1: Bảng thông tin các biến trong bộ dữ liệu [Nguôn: Tác giả tổng hợp từ bộ dữ liệu đã thu thập]

3.2 Phân tích dữ liệu thăm dò (EDA)

Kích thước của dữ liệu được xác định bao gồm 1143 quan sát và 11 biến. ad_id xyz_campaign id fb campaign id age gender interest Impressions Clicks Spent Total Conversion Approved Conversion

Bảng 3.2: Dữ liệu quan sát

Thống kê mô tả dữ liệu:

Impressions | Clicks Spent Total_Conversion Approved

Bang 3.3: Bang thống kê mô ta dữ liệu

[Nguon: Tác giả tự tính toán]

Các biến số trong bảng thống kê mô tả dữ liệu:

Count: S6 quan sát của mỗi biến Ở đây, các biến đều có 1143 số quan sát.

Mean (giá trị trung bình): Tông giá tri quan sát trên số lượng quan sát, đại diện cho độ tập trung của dữ liệu.

Std (độ lệch chuẩn): Là căn bậc hai của phương sai — trung bình cộng của bình phương các độ lệch giữa các giá trị của từng quan sát và số trung bình cộng (Mean) của dãy SỐ Trong các biến, độ lệch chuẩn của biến “Lượt hiển thị” rất cao (312762,2) cho thay chênh lệch giữa giá trị của mỗi quan sát so với trung bình cộng của dãy số hay độ phân tán là rất cao Độ phân tán của dãy số biến “Số chuyên đổi được chấp thuận” nhỏ nhất với độ lệch chuẩn bằng 1,737708.

Min: Giá trị nhỏ nhất của day quan sát.

25%: Q1 (phân vị thứ 25) của biến lượt hiển thị (Impressions) bằng 6503,5 nói lên rằng có 25% dit liệu trong biến nhỏ hơn 6503,5 hay 25% số quảng cáo có lượt hiển thị nhỏ hơn 6503,5.

50%: Q2 (phân vị thứ 50) của biến lượt hiển thị (Impressions) bằng 51509 nói lên rằng có 50% dữ liệu trong biến nhỏ hơn 51509 hay 50% số quảng cáo có lượt hiển thị nhỏ hơn 51509.

75%: Q3 (phân vị thứ 75) của biến lượt hién thị (Impressions) bằng 221769 nói lên rằng có 75% dit liệu trong biến nhỏ hơn 221769 hay 75% số quảng cáo có lượt hiển thị nhỏ hơn 221769.

Max: Giá trị lớn nhất của day quan sát.

Ma trận tương quan giữa các biên:

Impressions Total_Conversion Approved Conversion

Hình 3.1: Đồ thi nhiệt biểu diễn hệ số tương quan giữa các biến

Nhìn vào ma trận tương quan, chúng ta có thé thấy cả số chuyên déi được chấp thuận và tổng số chuyền đổi đều có tương quan cao với lượt hiển thị hơn là lượt nhấp quảng cáo và chỉ phí.

Hệ số tương quan giữa “Lượt hiển thị” và “Lượt nhấp chuột” băng 0,95 nói lên rang: 95% người đã nhấp chuột vào xem bài quảng cáo khi nó hiển thị trên bảng tin của họ.

Có 86% người đã thực hiện việc mua hàng sau khi được doanh nghiệp cung cấp thông tin, tư van về sản pham.

“Lượt nhấp quảng cáo” và “Số chuyển đổi được chấp thuận” có sự tương quan thấp nhất khi hệ số tương quan chỉ bằng 0,56, tức là chỉ có 56% quyết định mua hàng được đưa ra sau khi nhâp chuột vào bài quảng cáo sản phâm.

3.3 Phân tích các chiến dịch quảng cáo Facebook

Về các quảng cáo công ty đã thực hiện trong mỗi chiến dịch, sau khi sử dụng hàm array_unique dé gỡ bỏ bản sao value trong mảng xyz_campaign_id, ta thấy có 3 chiến dịch quảng cáo khác nhau của công ty như sau: array([ 916, 936, 1178]) Để trực quan hóa dữ liệu, tiến hành thay thế chúng lần lượt bằng campaign_a, campaign_b và campaign_c.

3.3.1 Phân tích các chiến dịch Thống kê số lượng quảng cáo trong từng chiến dịch, thu được kết quả như sau:

Count of carnpaiqn ¡d xyz_campaign_id ®carnpaign_a ®campaign_b @campaign_c aM 1 600

464 sa campaign_a campaign_b campaign_c xyzZ_campaign_id

Hình 3.2: Đồ thi thé hiện số lượng quảng cáo trong từng chiến dịch

Chiến dịch C có số lượng quảng cáo được thực hiện nhiều nhất với 625 quảng cáo (chiếm 54,68% tổng số quảng cáo), cho thấy công ty tập trung đầu tư chi phí nhằm tạo nhiều quảng cáo dé bán các sản phẩm của chiến dịch C Chiến dịch B có số lượng quảng cáo nhiều thứ hai với 464 quảng cáo (chiếm 40,56%) và cuối cùng là chiến dich A với 54 (4,6%) quảng cáo được thực hiện.

Count of Approved_Conversion by campaign_id xyz_campaign_id campaign_a @campaign_b @ campaign_c

= hob a ' campaign_a campsign_b campsign_c xyZ_campaign_id

Hình 3.3: Đồ thị thé hiện số chuyển đối được chấp thuận của từng chiến dich

Với số lượng quảng cáo nhiều nhất, chiến dịch C là chiến dịch có nhiều số chuyển đôi được chấp thuận nhất (872 lượt chuyển đổi được chấp thuận, chiếm 80%), chiến dịch B với 183 lượt chuyên đổi (chiếm 16,96%) và chiến dich A là 24 lượt (chiếm 3,04%).

Với cả hai biểu đồ trên, rõ ràng rằng chiến dịch C (campaign_c) có “Số chuyển đổi được chấp thuận” tốt hơn hăn hai chiến dịch còn lại, tức là hầu hết mọi người đã mua sản phâm từ chiên dịch C.

Vệ chiên dịch C - chiên dịch có nhiêu quảng cáo đạt sô chuyên đôi được ia Fa

A A A chap thuan nhat fb_campaign_id vs Approved_Conversion for campaign_c

Approved_Conversion 10 wu Geebeserers eee

Hình 3.4: Biểu đồ phân phối của fb_campaign_id với số chuyển đối được chấp thuận đối của chiến dịch C. Đôi với chiên dịch C (campaign_c), các quảng cáo có fb_campaign_id quanh mức 145000 có nhiêu sô chuyên đôi được chap thuận hơn so với các quảng cáo quanh mức 180000.

KET LUẬN

Chuyên đề này thử nghiệm ứng dụng thuật toán Random Forest trong các vấn đề thuộc về AI nhưng qua đó cũng thể hiện được khả năng của việc dự báo kết quả chạy quảng cáo Facebook đề từ đó nhà quản lý điều chỉnh mục tiêu quảng cáo hướng đến Chuyên đề đã ứng dụng thuật toán Random Forest cũng như việc xử lí phân tích vào bài toán phân tích dit liệu kết quả quảng cáo Facebook Kết quả đạt được chi ra rang, mỗi quảng cáo là một dữ liệu dé cho thấy đó có là quảng cáo hiệu quả hay không Mục đích của phân tích cũng là trích xuất kiến thức cần thiết từ tập dữ liệu thu thập được dé xem xét các chiến dịch hoạt động kém hiệu quả, phát hiện các khả năng dé giảm chỉ tiêu và cải thiện chuyển đổi và cuối cùng là tạo ra một mô hình dự báo nhằm tự động hóa quảng cáo Facebook cho tương lai.

Có rất nhiều yếu tố cấu thành nên hiệu quả của một quảng cáo Facebook, bên cạnh việc đánh giá các yếu tố như trong chuyên đề, cần phải xét thêm đồng thời các yếu tố khác như: nội dung, hình ảnh bài quảng cáo, thời gian chạy các quảng cáo trên Facebook cũng như các chỉ số dùng để đánh giá chi phí chạy quảng cáo.

Về phần dự báo, có rất nhiều mô hình hồi quy trong học máy có thê làm tốt nhiệm vụ dự báo Vì vậy, dé kết quả khả quan hơn, có thé sử dụng kết hợp nhiều loại mô hình, thuật toán.